英伟达|芯片设计的超高门槛，正在被AI「粉碎」( 二 ) 官宣

AI与EDA的融合，能够从根本上解决这些挑战。
2 AI技术将颠覆芯片设计
今年六月，谷歌团队在国际顶级期刊Nature上发表了一篇题为《一种用于加速芯片设计的布局规划方法（Chip Design with Deep Reinforcement Learning）》的论文，文章指出，利用深度学习，人类工程师需要数月完成的工作，谷歌用AI仅需要6小时就能达到相同效果，提升达到数百倍。
王秉达说：“采用具有AI技术的EDA工具来设计芯片，时间肯定会缩短，这是毋庸置疑的，只是时间缩短的幅度有所不同。 ”
AI能够缩短芯片设计周期的原因并不复杂，主要是让AI先通过学习，有了知识的累积，在后续使用的过程中遇到相同或者类似的问题能够以更快的速度解决问题，所以带有AI的EDA可以节省芯片设计周期几乎是一个定论。
AI应用于EDA有两种形式，由于芯片设计是一个很长的复杂流程，整个过程中可能需要十几个EDA工具，因此AI既可以应用于EDA点工具中来优化单个芯片设计环节，也可以用于整个芯片设计流程的优化。
如果是用于单个EDA点工具中，其发挥的作用就相当于经验共享，能够让一个只有几年工作经验的工程师，能够达到有丰富经验设计者的水平。 “目前芯片架构的设计依赖架构师的经验，如果能够把架构师累积的经验，借助AI技术融入EDA工具中，就可以大幅降低芯片设计的门槛，效率也能大幅提升。 ”王秉达指出。
如果是贯穿在整个芯片设计流程中的AI ，就需要开发者对于AI运行的方式有所了解。王秉达解释， “用AI技术优化芯片设计的流程，需要客户根据实际进度不断进行调节。比如传统的流程中每一步的用时和顺序都很固定，完成前面的步骤才会进入后续步骤。加入AI之后，可能步骤一的时间只需要原来的一半，步骤二时间只需要原来的十分之一，这时候就需要用户进行相应的调整。 ”
当然，将AI与EDA工具融合不仅可以显著节省研发时间，还能带来芯片性能的提升和设计成本的降低。
以新思科技的DSO.ai为例，美国头部IDM厂商采用DSO.ai后成果显著，芯片设计的时间提升2-5倍， SoC芯片能耗整体提升9% 。将DSO.ai应用于不同类型芯片的设计流程，仅需一位工程师就能带来显著的时间节省和性能提升。

“不同类型和场景的芯片， AI能带来的提升并不相同。这是因为，芯片整个设计过程需要经历几百万或者上千万个步骤，不同的流程AI带来的提升程度并不一致，同时，上一步优化的结果影响着下一步AI提升的效果。 ”王秉达指出， “EDA加入AI之后，在节省芯片设计时间的同时，在相同时间内就可以让设计师专注于优化性能和做核心功能的创新，自然更容易设计出性能更好的芯片，整体的成本也能够相应降低。 ”
未来，从芯片的架构设计、制造以及封装的全流程都会融入AI技术。至于芯片设计的周期能否从以年为单位变为以月为单位，王秉达认为，通过AI + EDA大幅缩短芯片设计环节的周期是明确的，但缩短芯片从设计到制造的整个生命周期还需要整个产业链的共同努力。
3 芯片差异化竞争的时代
进一步探讨AI将给芯片行业带来的变革之前，需要先解答一个疑问。 AI发展的一个关键要素是足够多的数据，训练EDA的AI数据足够吗？王秉达说：“EDA本身就是一个精密科学，即使在AI到来之前， EDA中就有精确的算法，计算出来的数据我们称之为‘黄金数据’ 。 AI的出现，让我们可以更好的利用黄金数据训练，让EDA工具变得更加智能。 ”
“EDA的AI对数据的依赖也没有许多行业那么强，但也需要用户的反馈，帮助我们持续提高EDA工具的智能化水平。新思的独特优势在于，我们拥有芯片设计全流程的工具，这让我们可以在整个流程中都使用AI ，带来更显著的全面提升。 ”王秉达进一步表示。
当用户的设计与训练好的工具有重合性时，就能迅速完成大部分的设计，节省大量时间，剩下的工作就是一些优化的工作。
“用户也可以使用他们拥有的数据对EDA工具进行二次训练，这样客户就可以拥有更个性化和定制化的工具，设计出更有特色的产品。 ”王秉达说， “我们的大部分产品都会开放这个接口。 ”
但要更好发挥AI在芯片设计中的作用，如何找到结合点成为挑战。 “要发挥AI在芯片设计中的最大效益，难点在于找到AI与具体领域最巧妙的结合点，这时候就依赖设计者对于专用领域的认知。 ”王秉达认为。